作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过对全球恐怖主义数据库(GTD)进行分析,为未来反恐防恐行动提供有价值的信息支持,提出利用大数据挖掘方法对未来反恐态势进行分析.首先采用N-gram模型对原始数据中的motive属性进行挖掘,分析恐怖袭击事件发生的主要动机.其次通过AR自回归模型,对恐袭造成的死亡人数进行预测.最后通过构建TreeMap图,展示未来全球某些重点地区的反恐态势,从恐怖事件发起动机、死亡人数、重点地区3个方面对未来恐怖袭击进行预测.实验结果显示,采用大数据分析预测精度较高.
推荐文章
网络安全态势预测技术研究
安全态势
支持向量机
粒子群算法
态势预测
网络态势预测技术研究
网络信息系统
安全
态势预测
基于HHGA-RBF算法的网络态势预测模型研究
安全态势评估
网络态势预测
HHGA-RBF
系统开发
基于系统动力学的反恐怖作战模型
反恐怖作战
系统动力学
模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 未来反恐态势预测研究
来源期刊 软件导刊 学科 工学
关键词 N-gram模型 AR自回归模型 TreeMap图 自然语言处理
年,卷(期) 2019,(7) 所属期刊栏目 人工智能
研究方向 页码范围 28-31
页数 4页 分类号 TP301
字数 2847字 语种 中文
DOI 10.11907/rjdk.182602
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 冒伟 上海理工大学光电信息与计算机工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (66)
共引文献  (66)
参考文献  (15)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (0)
1934(1)
  • 参考文献(0)
  • 二级参考文献(1)
1946(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(8)
  • 参考文献(2)
  • 二级参考文献(6)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(9)
  • 参考文献(3)
  • 二级参考文献(6)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
N-gram模型
AR自回归模型
TreeMap图
自然语言处理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导